Author: Fannie

如今，制造商正在推进他们的数字化转型之旅，押注于云和人工智能等创新技术，以增强竞争力并实现可持续增长。据麦肯锡称，近三分之二的制造商已经在使用云解决方案。然而，分析师表示，数字化转型从概念扩展到实际的生产工作中对很多制造商来说仍然是一个挑战。 可扩展性挑战围绕两个因素——缺乏对置于上下文背景下的操作数据的访问，以及在工厂车间使用复杂数据科学和人工智能工具的技能差距。 为确保制造商能够将其数字化转型工作扩展到生产，Google Cloud 宣布推出新的制造解决方案，专为满足制造商的需求而设计。 来自 Google Cloud 的新制造解决方案使制造工程师和工厂经理能够访问来自其不同资产和流程的统一和情境化数据。 让我们看看从工厂车间到云端的数据旅程中的新解决方案： Manufacturing Data Engine（制造数据引擎）：该引擎是用于处理、上下文和存储工厂数据的基础云解决方案。云平台可以通过边缘和云之间的私有、安全和低成本连接，从任何类型的机器获取数据，支持从遥测到图像数据的广泛数据。凭借内置的数据规范化和上下文丰富功能，它提供了一个通用数据模型，以及一个工厂优化的数据湖库进行存储。 Manufacturing Connect（制造连接）：这是谷歌云与Litmus Automation共同开发的工厂边缘平台，可通过包含 250 多种机器协议的广泛库快速连接几乎任何制造设备。它将机器数据转换为可消化的数据集，并将其发送到制造数据引擎进行处理、置于上下文中理解和存储。通过支持容器化工作负载，它允许制造商直接在边缘运行低延迟数据可视化、分析和机器学习功能。 建立在Manufacturing Data Engine（制造数据引擎）之上的是一组不断增长的数据分析和人工智能方案，由 Google Cloud 和合作伙伴共同提供支持，该方案包括： 制造分析和洞察：与 Looker 模板的开箱即用集成，可提供仪表板和分析体验。作为一种易于使用的无代码数据和分析模型，它使制造工程师和工厂经理能够快速创建和修改自定义仪表板，自动添加新机器、设置和工厂。该解决方案可以根据 KPI 或按需深入挖掘数据，以发现整个工厂的新见解和改进机会。可共享的见解开启了整个企业以及与合作伙伴的协作。 预测性维护：预先构建的预测性维护机器学习模型允许制造商在数周内部署，而不会影响预测准确性。制造商可以与…

Overview 谷歌云作为一个公有云平台，提供网络、计算、存储、数据分析、机器学习等服务。谷歌云平台由于其稳定覆盖面广的网络、多重的安全性、高级的数据分析和机器学习服务，以及较低的价格受到广泛的欢迎。 谷歌云平台 (GCP) 的关键组件之一是计算引擎。Compute Engine 是一种安全且可自定义的计算服务，可让客户从 Google 基础架构上的标准或自定义映像创建和运行虚拟机。 客户可以通过以下三种方式之一访问项目操作谷歌云，并且创建/登录/删除虚拟机实例： 谷歌云平台控制台 命令行界面 客户端库 在本文中，我们将演示如何在 Google Cloud Platform (GCP) 中使用控制台动磁盘映像创建和管理虚拟机 (vm)。 1. 创建第一个linux实例： 1.1 点击导航菜单-Compute Engine-虚拟机实例 1.2 点击“创建实例”按钮 1.3 进入创建实例页面,根据需求自定义实例名称-区域-可用区-机器配置-启动磁盘，勾选允许HTTP流量，允许HTTPS流量，点击创建 2.…

随着公司的发展和技术的更迭，许多公司原有的基础架构难以满足现有的需求。在过去的几十年里，公司的数据呈指数级增长，由此衍生出来了数据分析的需求。随着消费者行为的转型，许多电商平台或者是零售行业的公司都迫切需要机器学习等技术来帮助理解消费者的行为方式以便于及时调整业务方向。 而在这种情况下，许多公司转向了谷歌云平台。谷歌云使用与谷歌搜索、谷歌学术、Youtube等相同的基础设施和技术，在数据分析和机器学习等领域拥有巨大的优势，使用谷歌云平台可以轻松使用Big Query分析PB级数据，也可以用Vertex AI 分析平台来进行机器学习，用较低的价格提供优质的服务。 如何从AWS搬迁到GCP，成为上述公司的关注重点和热门话题，本文将一个步骤一个步骤地分解，演示如何从AWS搬迁到GCP。 其主要的步骤包括： VPN 设置 GCP 环境设置 AWS 环境设置 AWS 虚拟机中的迁移代理安装 迁移过程 详细内容请参考如下文所示。 1. VPN 设置 AWS 和 GCP 环境之间需要设置一个VPN通道 1.1 GCP设置VPC 1.1.1　创建vpc 名称随意，然后按照下图所示输入信息（区域按照自己的需要选择），其余默认。 1.1.2 创建外部IP…

Docker容器——微服务的现代化基础 容器化服务为何会诞生呢？ 现如今的软件应用数量大增，其呈现方式也从过去所有服务全装在一起的形式，发展成分散且轻量的分散式架构与无服务器技术（Serverless），让软件产品在迭代更新与服务运行上能更快速且稳定。而容器化技术就彷彿是轻量化时代的里程碑，所以下面我们就首先来认识什么是 Docker 容器化服务吧。 Docker 容器的出现 在认识 Docker 容器前，这边先来了解虚拟主机（VM）当前所面临的困境。过去架设一个网站，除了需要静态的程序与图片等网页资源，如 HTML、CSS和 Javascript 等；也会用到处理客户端连线的 Apache、Nginx 等网站服务器，和储存与读取资料的资料库。 而 VM 若以分散式服务来规划这样的三层式架构，会变成一个服务对应一台专门的VM，并以内网串接进行资料传递。这样当一台 VM 坏掉或过载，就能以镜像（Image）重启或增加 VM，确保网站正常服务。 但是，VM 需要搭配作业系统（OS）的配置会产生3个问题。第一，每个服务都需占据大量的基础设施资源创建 OS；第二，重启或新增 VM 需花费大量时间开机，导致服务从中断到恢复的过程非常漫长；第三，若遇到公司需将服务搬迁的状况，OS 的版本与规格会增加搬迁困难度，非常不符合现在的软件的营运需求。而“Docker 容器化服务”，便是解决上述问题的一帖良药。 Docker 容器的优势…

一、 谷歌云相关介绍 谷歌云为谷歌推出的云服务器平台，云服务器的出现原是为了减少小公司或者个人在配置硬件上的潜在成本。在云服务器没出现的时候，大部分的公司都是自己配置电脑等硬件，除了硬件成本外，还会支出保管维修费用，以及需要专门的IT人员来管理服务器，机房。 对于大型互联网企业来说，通常也会购置大量的服务器，但是服务器的使用率并没有很高，比如阿里，为了双十一的流量而购置超量的服务器，而其余时间都是闲置的，所以大型互联网企业也想到了将服务器租赁出去这一个商业模式，由此产生的云服务。 目前随着云服务的发展，云服务已经不仅仅局限在提供服务器租赁，更提供了一系列IT解决方案，比如小公司需要分析数据，于是云平台就提供数据分析系统和工具，比如需要机器学习来实现自动翻译或者是图片识别，于是云平台就提供机器学习的工具。 发展至今，云服务已经越来越全面，基本上包揽小公司的IT任务，IT人员只需要会使用云平台即可。 二、 谷歌云的优势 前面提到了云平台提供多样化的服务给到用户，像谷歌，其产品包括google 搜索，谷歌广告、Youtube，还有Deepmind，waymo等，谷歌本身的业务就使得其技术能力尤为突出，特别是在大数据分析和人工智能机器学习上。 谷歌将其公司原先使用的技术工具包装成谷歌云上的服务，甚至于是开源。比如说现在流行的且成为行业公认的Kubernetes，又称K8s，本身就是谷歌内部使用的Borg，后来又在谷歌云平台上正式以kubernetes的名字和公众见面，随后又开源，成为业内都在使用的容器编排引擎。虽然k8s已经开源，但是谷歌作为开发者，最为熟悉k8s，谷歌云平台上搭载的Google Kubernetes Engine也是目前最为成熟的K8s托管平台了。 而除了k8s外，谷歌还贡献了其数据分析系统，像Cloud Spanner，Firestore等等都是，还有BigQuery，可以说，如果用户需要一个数据分析技术最强的公有云平台，那么选谷歌云绝对没错。 除此外，谷歌还有其机器学习的平台tensorflow，谷歌云平台上有Vertex AI, Vision AI，Translation, Natural language等机器学习平台和功能，以便于用户使用，因此想要用云平台进行机器学习，也可选谷歌云！ 三、 免费申请300美金，开始试用吧！ 1. 搜索谷歌云（需要翻墙） 2. 点击进入谷歌云页面，新用户会显示以下界面，可以享受300美金的免费试用金，点击右上角的【免费开始使用】 3. 用邮箱注册一个谷歌云账号，填写密码。 4.…

机器学习目前在学术界和工业界十分流行，大数据推荐为其最常见的使用场景，购物APP如何通过大数据分析和模型训练对每个用户进行分析，并且根据用户习惯推送适当的内容，这一切都依赖于机器学习。 Tensorflow 永远是机器学习绕不过去的机器学习软件库，至今为止仍是机器学习最流行的软件库。Tensorflow 最初由谷歌大脑团队开发，用于Google 的研究和生产，于2015年11月9日在 Apache 2.0开源许可证下发布。谷歌利用 Tensorflow 支持其谷歌翻译、谷歌地图、谷歌相册、Gmail 等多项业务，Tensorflow 使用了谷歌专为机器学习研发的集合电路 TPU，TPU 是一个可编程的人工智能加速器，提供高吞吐量的低精度计算（如8位），面向使用或运行模型而不是训练模型。Google 在公布 TPU 的时候就宣称他们已经在数据中心中运行 TPU 长达一年多，发现它们对机器学习提供一个数量级更优的每瓦特性能。 Tensorflow同样应用在谷歌云平台上，目前谷歌云平台上搭载了以下的机器学习工具： AutoML：分析图像、视频、text files、tabular data 的自定义机器学习训练模型； Natural Language AI：提取、分析和存储非结构语言的机器学习产品； Vision AI: 识别人脸、普通图像，从图像中识别情绪等； Translation…

十多年来，IT行业一直在寻找存储和分析海量数据的最佳方法，以处理组织所要求的种类、数量、延迟、弹性和不同的数据访问要求。 从历史上看，企业已经实施了孤岛式的独立架构，数据仓库用于存储结构化的汇总数据，主要用于商业智能和报告，而数据湖用于存储大量的非结构化和半结构化数据，主要用于ML工作负载。这种方法往往导致大量的数据移动、处理和重复，需要复杂的ETL管道。操作和管理这种架构是具有挑战性的，成本很高，而且降低了敏捷性。随着企业向云计算的发展，企业开始希望打破这些孤岛。 为了解决其中的一些问题，出现了一个新的架构选择：数据湖库，它结合了数据湖和数据仓库的关键优势。这种架构以一种开放的格式提供低成本的存储，可被各种处理引擎（如Spark）访问，同时还提供强大的管理和优化功能。 谷歌云为这些客户提供了选择，那些只想使用开源技术建立数据湖心岛的组织，可以通过使用谷歌云存储提供的低成本对象存储，以Parquet等开放格式存储数据，使用Spark等处理引擎，并通过Dataproc使用Delta、Iceberg或Hudi等框架来实现交易，从而轻松做到这一点。这种基于开源的解决方案仍在不断发展，需要在配置、调整和扩展方面做出大量努力。 谷歌云提供了一个云原生、高度可扩展和安全的数据湖库解决方案，为客户提供选择和互操作性。谷歌云的云原生架构降低了成本，提高了企业的效率。 那么谷歌云的解决方案是如何完成的呢？以下为谷歌云搭建数据湖库所依靠的服务： 1.存储：在Google Cloud Storage 中提供低成本对象存储的选择，或在BigQuery中提供高度优化的分析存储。 2.计算：无服务器计算，为不同的工作负载提供不同的引擎 BigQuery：谷歌云的无服务器云数据仓库提供兼容ANSI SQL的引擎，可以对PB级的数据进行分析。 Dataproc：管理的Hadoop和Spark服务可以使用各种开源框架。 Serveless Spark：允许客户将他们的工作负载提交给管理服务，并负责工作的执行。 Vertex AI，谷歌云统一的MLOps平台，可以用非常有限的编码建立大规模的ML模型。 此外，你可以使用谷歌云的许多合作伙伴的产品，如Databricks、Starburst或Elastic，用于各种工作负载。 3.管理：Dataplex在 Cloud Storage（对象存储）和BigQuery（高度优化的分析存储）的数据中实现了以元数据为主导的数据管理结构。企业可以使用Dataplex创建、管理、保护、组织和分析湖心岛上的数据。 让我们仔细看看数据湖心岛架构的一些关键特征，以及客户是如何在谷歌云上大规模地构建这种架构的。 存储的可选择性 谷歌云的核心原则是提供一个开放的平台。谷歌云希望为客户提供选择，将他们的数据存储在谷歌云存储的低成本对象存储或高度优化的分析存储或GCP上的其他存储选项。因此谷歌云建议企业将其结构化数据存储在BigQuery Storage中。BigQuery Storage还提供了一个流媒体API，使企业能够实时摄取大量数据并进行分析。我们建议将非结构化数据存储在Google Cloud Storage。在某些情况下，如果组织需要访问他们的结构化数据的OSS格式，如Parquet或ORC，他们可以将它们存储在 Google…

对于To B的业务来说，价格永远是第一要素，云服务作为一项To B的服务，也是如此，经常听到“谷歌云怎么计费?”或者相关的问题，因此本文将重点介绍谷歌云的费用计算方式与详细计算。 一、 谷歌云费用计算方式 1. 随用随付费 谷歌云采取的是随用随付费的方式，如果无需使用可以将机器关机，关机后机器不产生费用，当然这仅仅是机器不收费，如果使用了硬盘、存储等，还需根据情况收费。 2. 根据使用的服务收费 谷歌云平台不仅仅提供虚拟机，还提供其他相关服务，比如网络、CDN、数据存储和数据分析等工具，因此使用的服务不同，费用也不尽相同。 3. 承诺使用量折扣 同时，谷歌云还推出了承诺使用优惠折扣，比如客户三年可以承诺使用多少，即可享受一定的折扣力度，这个和企业的使用量息息相关，使用量非常大的客户可以适用非标准收费，case by case的制定费用（如需申请特殊折扣，欢迎联系Cloud Ace）。 二、 价格估算 价格估算可以使用谷歌云推出的费用计算器来计算，点此进行价格估算页面：https://cloud.google.com/products/calculator 接下来我就详细介绍几个常用服务的费用情况 1. 主机费用 以最常用的Compute Engine (VM) 为例 , 我们先选一台主机。然后选择机器类型，机器用途，以及机器的型号，vCPU和Ram等等，以及开机时间，如果是用于网页等，大部分是7*24小时不关机，如果选择不关机，还可以最高30%的持续使用折扣。 以上图为例，选择了n1-standard-1（vCPUs:1…